內容介紹
您一直等待的修訂版就在這裡！由於充滿豐富的研究示例，並對分層線性模型(HLM)理論與套用有透徹的解釋，其第1版就廣受歡迎，現在這本書的第2版又重新組織為四大部分，並且加入了全新的4章內容。前兩個部分，即第一部分“原理”和第二部分“基本套用”，緊密對應著上一版中的9章，但是已經大量擴展了內容，技術解釋更為清晰，比如：
對HLM模型中的基本估計和推斷程式提供了一個直觀的介紹性總結。
在第6章中新加了一節多元增長模型。
第7章增加了對研究綜合或元分析套用的討論。
對數據分析中層-1自變數定位方法的建議以及可信值區間與穩健標準誤方面的新材料。
雖然第1版主要是討論層-1結果變數為連續分布的情況，然而現在的第 2版的第三部分中又包括了一系列其他類型結果變數的分析，比如： 新的第10章介紹分層模型在結果變數為二分類變數、計數變數、序次變數以及多項分類變數條件下的套用，並且每種情況都提供了詳細的示例和說明。
新的第11章討論了潛在變數模型，其中包括在HLM框架下對有缺失的數據以及在自變數有測量誤差時如何進行回歸估計，還包括了嵌入性分項反應模型。
第13章則是關於分層數據分析中貝葉斯推斷原理的介紹。
作者在第四部分中對全書套用的統計理論以及計算方法進行了總結，包括層-1為常態分配誤差的單變數模型、多元線性模型以及分層一般化線性模型。此外，還給讀者提供了一個新的連結網址，可以下載有關數據並訪問更多的技術資料。
作品目錄
第一部分 原理
1 導言
分層數據結構：一個常見現象
分層數據分析中持續的兩難問題
分層模型統計理論的發展簡史
分層線性模型的早期套用
個體效應的改進估計
對層次之間效應的建模
分解方差協方差成分
本書第1版問世以來的新發展
結果變數範圍的擴展
與互動分類數據結構的結合
多元模型
潛在變數模型
貝葉斯推斷
本書的框架結構
2 分層線性模型的原理
初步知識
對某一學校的社會經濟狀況與成績關係的研究
對兩個學校的社會經濟狀況與成績關係的研究
對J個學校的社會經濟狀況與成績關係的研究
一般模型及其簡單子模型帶隨機效應的單因素方差分析
將平均數作為結果的回歸模型
帶隨機效應的單因素協方差分析
隨機係數回歸模型
將截距和斜率作為結果的回歸模型
非隨機變化斜率模型
本節提要
基本分層線性模型的推廣
多元X和多元W
對層-1和層-2上的誤差結構的推廣
超出基本的兩層分層線性模型的擴展
選擇X和W的定位（對中）
X變數的定位
W變數的定位
本章術語及注釋的概括
簡單的兩層模型
注釋與術語概括
一些定義
子模型的類型
3 分層線性模型估計及假設檢驗的原理
估計理論
固定效應的估計
隨機層-1係數的估計
方差協方差成分的估計
假設檢驗
固定效應的假設檢驗
隨機層-1係數的假設檢驗
方差協方差成分的假設檢驗
本章術語概要
4 示例
介紹
單因素方差分析
模型
結果
以均值作為結果的回歸
模型
結果
隨機係數模型
模型
結果
以截距和斜率作為結果的模型
模型
結果
估計一個特定單位的層-1係數
最小二乘法
無條件收縮
條件收縮
區間估計的比較
需要注意的問題
本章術語概要
第二部分 基本套用
5 組織研究中的套用
6 個體變化研究中的套用
7 HLM在元分析和其他層-1方差已知情況下的運用
8 三層模型
9 評價分層模型的恰當性
第三部分 高級套用
10 分層一般化線性模型
11 潛在變數的分層模型
12 互動分類的隨機效應模型
13 分層模型的貝葉斯推斷
第四部分 估計理論
14 估計理論
文獻索引
關鍵字索引
